ИССЛЕДОВАНИЕ · RESEARCH · #595
Иерархическая LLM–MARL архитектура для агентных низковысотных беспроводных сетей (LAWNs)
В препринте на arXiv (2609.19538v1) предложена гибридная иерархическая архитектура, сочетающая большие языковые модели (LLM) и многопользовательское обучение с подкреплением (MARL) в двухконтурной схеме: внешний LLM‑контур интерпретирует требования сервисов и намерения оператора для перенастройки целей и приоритетов ресурсов, внутренний децентрализованный MARL‑контур с параметрической настройкой выполняет политики для гетерогенных беспилотных систем в низковысотных беспроводных сетях. В кейсе мониторинга логистики показано, что система может адаптировать координацию без дообучения MARL‑политик; также обсуждаются проблемы масштабирования и доверия.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В препринте на arXiv (2609.19538v1) предложена гибридная иерархическая архитектура, сочетающая большие языковые модели (LLM) и многопользовательское обучение с подкреплением (MARL) в двухконтурной схеме: внешний LLM‑контур интерпретирует требования сервисов и намерения оператора для перенастройки целей и приоритетов ресурсов, внутренний децентрализованный MARL‑контур с параметрической настройкой выполняет политики для гетерогенных беспилотных систем в низковысотных беспроводных сетях.
- В кейсе мониторинга логистики показано, что система может адаптировать координацию без дообучения MARL‑политик; также обсуждаются проблемы масштабирования и доверия.
- Соединяет высокоуровневые намерения (через LLM) с децентрализованным MARL‑управлением, позволяя в реальном времени перенастраивать и адаптировать совместную работу гетерогенных беспилотников в общих низковысотных сетях.
ПОЧЕМУ ЭТО ВАЖНО
Соединяет высокоуровневые намерения (через LLM) с децентрализованным MARL‑управлением, позволяя в реальном времени перенастраивать и адаптировать совместную работу гетерогенных беспилотников в общих низковысотных сетях.